项目竞争强度对网络成瘾大学生提取诱发遗忘的影响 *

刘 旭 蔡 佳 崔 喆 宋美含 王 力

(1 湖南科技大学教育学院，湘潭 411201) (2 中国科学院心理研究所心理健康重点实验室创伤应激研究实验室，北京 100101 )(3 中国科学院大学心理学系，北京 100049)

1 引言

网络成瘾（internet addiction, IA）是过度使用网络形成的一种慢性着迷状态，伴随耐受性增强、戒断反应等成瘾症状（刘玎, 卢宁, 2017）。它与赌博成瘾（目前唯一被纳入疾病诊断的行为成瘾）具有明显的行为相似性，但因缺乏足够的实证支持，目前仅作为需要进一步研究的疾病被纳入《精神障碍诊断与统计手册》第五版（DSM-5）（American Psychiatric Association, 2013）。为推进IA的分类与诊断，实现有效预防与干预，有必要深入探讨其认知作用机制。大量研究表明IA会损伤个体的认知功能，尤其是执行功能，如：对网络相关信息的注意偏向，抑制上网游戏等优势反应能力受损，不能有效抑制分心物的干扰等（缪素媚 等, 2018; 张晶 等, 2019; Ko et al., 2014）。但以往文献主要关注网络成瘾者注意控制、反应抑制等执行功能成分的损伤，较少关注其对内在想法或记忆的抑制控制，即记忆抑制（从抑制对象角度来讲，记忆抑制属于认知抑制）（Penolazzi et al., 2020）。更重要的是，新近研究发现记忆抑制缺陷可能是酒精、药物与赌博等物质相关及成瘾障碍发生、维持和复发的原因（Stramaccia et al.,2017）。因此，探查网络成瘾者的记忆抑制能为更全面深入地理解其内部机制，构建分类与诊断标准提供强有力的实证依据。

一些研究者主张利用提取练习范式来探讨记忆抑制（Penolazzi et al., 2020）。该范式首先让被试学习一系列类别-样例词对（fruit-orange），然后依据给定线索提取练习一半类别中的一半样例（fruit or____），最后对所有词对进行线索回忆测试（Anderson et al., 1994）。以往研究发现，练习类别下的练习项目（简称Rp+）的正确回忆率显著高于未练习类别下的未练习项目（简称Nrp；部分研究将其细分为Nrp+和Nrp-，分别作为Rp+和Rp-的基线）（刘旭 等, 2017; Anderson et al.,1994），即提取促进效应；练习类别下的未练习项目（简称Rp-）的正确回忆率显著低于基线项目，即提取诱发遗忘（retrieval-induced forgetting,RIF）。尽管一些研究者主张采用干扰理论来解释RIF（Raaijmakers & Jakab, 2013），但目前大多实证结果都支持抑制理论，认为RIF是Rp-受到抑制的结果（Anderson, 2003）。

然而，个体差异研究在低抑制控制群体中发现了抑制理论无法解释的RIF（Ortega et al.,2012）。大量研究表明，从个体差异角度探讨记忆抑制时，提取练习范式的结果易受相关代价与效益问题（correlated costs and benefits problem, CCB）的影响（Schilling et al., 2014; Soriano et al., 2009）。即抑制加工不仅会在提取练习过程中抑制干扰项目Rp-，致使其在最后测试中产生遗忘（与抑制理论观点相一致）；还会在最后测试中抑制由已获得增强的Rp+造成的干扰，以促进Rp-的提取（Anderson & Levy, 2007）。前者为代价效应，越大表明抑制性RIF越大；后者为效益效应，越小表示Rp-在最后测试中越难被提取，干扰性RIF就越大。由此可见，无论抑制控制能力是否受损，个体都能产生RIF，但产生机制存在本质区别：高抑制能力者将代价和效益效应最大化，产生符合抑制理论的抑制性RIF；低抑制能力者在两方面皆表现不佳，产生符合干扰理论的干扰性RIF。

为探讨CCB的影响，早期研究者通过在最后测试阶段安排项目指向性更强的再认或类别-词干线索测试来削弱效益效应（Soriano et al., 2009;Storm & White, 2010）。但这只能减少Rp+的干扰，不能从根本解决问题，也不能证实效益效应的存在及影响。近年来，白学军、刘旭等研究者主张采用项目竞争强度来直接检验RIF中的CCB（白学军, 刘旭, 2013; 刘旭 等, 2017; 刘旭, 李百涵 等, 2019）。项目竞争强度是指Rp-在提取练习过程中对Rp+的干扰强度，其中，高项目竞争强度为高强度Rp-对提取低强度Rp+形成的强烈干扰；低项目竞争强度为低强度Rp-对提取高强度Rp+形成的弱干扰，甚至无干扰（刘旭, 岳鹏飞, 白学军,2019）。据CCB假说，高抑制控制能力者在高项目竞争强度下产生抑制性RIF，在低项目竞争强度下不产生RIF；抑制控制能力严重受损者在两种条件下均产生干扰性RIF，且低项目竞争强度下产生的RIF更大。与此相一致，白学军和刘旭发现，大学生在高项目竞争强度下产生了抑制性RIF，抑制控制能力受损较为严重的老年人在低项目竞争强度下产生了干扰性RIF。随后，刘旭等研究者证实控制组大学生和高反应抑制能力大学生在高项目竞争强度下能产生抑制性RIF，但毒品成瘾者和低反应抑制能力大学生等抑制控制能力受损个体在低项目竞争强度下均未产生预期的干扰性RIF（刘旭 等, 2017; 刘旭, 李百涵 等, 2019; 刘旭, 岳鹏飞, 白学军, 2019）。由此可见，操纵项目竞争强度为探讨RIF中的CCB提供了新视角，并证实了抑制控制能力损伤程度是影响探究RIF中CCB的重要因素（Anderson & Levy, 2007; Ortega et al., 2012）。但目前仅在抑制控制能力受损较为严重的老年人群体中验证了低抑制控制能力个体会因遭遇CCB而产生干扰性RIF。因此，有必要以抑制控制受损者为研究对象进一步探讨CCB对RIF产生机制的影响。

综上，本研究通过检验项目竞争强度对网络成瘾大学生RIF的影响来实现两个目的：一是从个体差异角度探讨RIF中的CCB，以进一步澄清RIF的产生机制；二是探讨网络成瘾大学生记忆抑制的特征，以期从记忆抑制视角为IA的临床诊断做出贡献。基于前人研究结果假设：（1）网络成瘾大学生的RIF会受到CCB的影响。其中，低网络成瘾大学生在高项目竞争强度下产生抑制性RIF，在低项目竞争强度下不产生RIF；高网络成瘾大学生在高、低项目竞争强度下都产生干扰性RIF，且低项目竞争强度下的RIF更大。（2）低网络成瘾大学生的记忆抑制能力完整，但高网络成瘾大学生的记忆抑制能力严重受损。

2 研究方法

2.1 被试

我国大学生网络成瘾检出率为10.70%（刘奕蔓 等, 2021）。设定检验水平α=0.05，容许误差δ=0.03，由查表法可知所需样本量为408人。基于问卷有效回收率确定样本量不少于449人。采用方便取样法在湖南和四川两省的部分高校发放网络成瘾量表（Internet Addiction Test, IAT）1828份，获得有效问卷1710份，有效率为93.54%。以IAT得分前、后各27%的被试作为低、高网络成瘾组人选。

在 G*Power 3.1 中设定f=0.25、α=0.05、1-β=0.95，计算出每组所需样本量为24人（Cohen, 1988; Faul et al., 2007）。考虑被试流失和实验程序要求，采用伪随机方法选取高、低网络成瘾被试各32人。高网络成瘾组平均得分66.59±6.78（范围53～81），平均年龄19.03±1.03岁，男11人；低网络成瘾组平均得分33.06±4.61（范围23～39），平均年龄19.25±1.24岁，男9人。两组年龄差异和性别差异均不显著，ps＞0.05；IAT得分差异显著，t(62)=23.15，p＜0.001，d=5.88。所有被试智力正常，视力或矫正视力正常。实验后给予一定报酬。

2.2 实验设计

采用2×2×4混合实验设计。自变量为网络成瘾（高、低）、项目竞争强度（高、低）和项目类型（Rp+、Rp-、Nrp+、Nrp-），其中网络成瘾为被试间变量。因变量为正确回忆率（某实验条件下正确回忆的词对数/某实验条件下总词对数×100%）。

2.3 研究工具与实验材料

2.3.1 网络成瘾量表

Young（1998）编制的网络成瘾量表的中文版共20道题，包括强迫性上网及网络成瘾戒断反应、网络成瘾耐受性、人际关系健康度、时间管理四个维度（李苑文, 2013）。采用5点计分（1=几乎没有，2=偶尔，3=有时，4=经常，5=总是），总分范围为20～100分。一般认为20～49分的个体无明显网络成瘾问题，50～79分为轻度网络成瘾者，80～100分为重度网络成瘾者（陈若婷 等, 2020）。本研究中该量表的 Cronbach’s α 系数为0.89，各维度Cronbach’s α系数处于0.65～0.72之间。

2.3.2 实验材料

从白学军和刘旭（2013）修订的类别材料中选取10个类别（8个实验类别，2个填充类别）。每个类别包含3个平均分类等级顺序较高的样例（高强度项目）和3个平均分类等级顺序较低的样例（低强度项目）。

2.4 实验程序

编程软件为E-Prime1.1，仪器为分辨率1366×768像素（60Hz）的Dell笔记本。

（1）学习。被试学习类别-样例词对。60对词对依次呈现，每对呈现5000 ms，呈现之前均先呈现500 ms注视点“+”（见图1）。为避免同类别下样例之间的相互关联为样例提取提供次级线索，采用区组随机将所有词对分为6个区组，每个区组包含来自10个类别的不同样例。其中，3个区组内的所有样例均为高强度项目，另外3个区组内全为低强度项目。为了控制首因和近因效应，每个区组内首尾位置安排填充词对，余下8对实验词对随机呈现。

图1 实验流程图

（2）提取练习。被试根据线索（类别+省略后30%笔画的样例首字）对一半实验类别中的一半样例进行残词补全。其中，被试在高项目竞争强度下提取某类别下的低强度项目，在低项目竞争强度下提取某类别下的高强度项目。线索呈现时间和形式同上一阶段的词对。为避免产生次级线索，采用区组随机将12对实验词对（总实验词对的1/4）分为3个区组，每个区组包含来自4个实验类别的不同样例。每对实验词对提取练习3次。为了控制首因和近因效应，避免连续测试同一类别下的样例，每个区组呈现的前后均安排一个填充线索。此外，为平衡实验材料，共形成4种提取练习程序。

（3）分心。被试执行2 min瑞文推理任务。一次呈现一张图片，呈现时间最长为20 s，被试做出选择后立即进入下一个试次。

（4）最后测试。被试依据线索（类别+省略后50%笔画的样例首字）对所有学习过的实验词对进行残词补全。线索呈现时间和形式同提取练习阶段。所有词对仍采用区组随机，但每个区组内的所有样例属于同一类别。为排除输出干扰效应，每个区组内的Rp-均先于Rp+被测试，呈现顺序为伪随机。同时，依据实验设计，Nrp被细分为Nrp-和Nrp+。此外，为确保所有样例均参与Nrp，共形成2种测试程序。

因此，整个实验共8种程序。

3 结果

3.1 提取练习结果

高、低网络成瘾组在不同项目竞争强度下的正确回忆率和标准差见表1。

表1 提取练习阶段的正确回忆率（M±SD）（%）

2（网络成瘾：高、低）×2（项目竞争强度：高、低）两因素重复测量方差分析结果显示：项目竞争强度主效应显著，F(1, 64)=10.30，p=0.002，=0.14，高项目竞争强度下的正确回忆率低于低项目竞争强度（82.93% vs.90.10%）。其他效应均不显著（ps＞0.05）。

3.2 提取促进效应

2（网络成瘾：高、低）×2（项目竞争强度：高、低）×2（项目类型：Rp+、Nrp+）三因素重复测量方差分析结果显示（见表2）：项目竞争强度主效应显著，F(1, 64)=20.20，p＜0.001，=0.25，高项目竞争强度的正确回忆率低于低项目竞争强度（72.53% vs.80.60%）；项目类型主效应显著，F(1, 64)=109.03，p＜0.001，=0.64，Nrp+的正确回忆率低于Rp+（65.63% vs.87.50%）。其他效应均不显著（ps＞0.05）。

表2 高、低网络成瘾组在测试阶段的正确回忆率（%）

基于实验目的与前人研究经验，采用配对样本t检验分别对不同网络成瘾被试在高、低项目竞争强度下的Rp+和Nrp+的正确回忆率进行事前比较，结果显示（见图2）：对于高网络成瘾组，Rp+和Nrp+在高项目竞争强度下的正确回忆率差异显著，t(31)=5.02，p＜0.001，d=1.80，Rp+的正确回忆率高于Nrp+；Rp+和Nrp+在低项目竞争强度下的正确回忆率差异显著，t(31)=7.12，p＜0.001，d=2.56，Rp+的正确回忆率高于Nrp+。对于低网络成瘾组，Rp+和Nrp+在高项目竞争强度下的正确回忆率差异显著，t(31)=4.31，p＜0.001，d=1.55，Rp+项目的正确回忆率高于Nrp+；Rp+和Nrp+在低项目竞争强度下的正确回忆率差异显著，t(31)=6.33，p＜0.001，d=0.75，Rp+的正确回忆率高于Nrp+。

图2 不同网络成瘾者促进效应与遗忘效应图示

3.3 提取诱发遗忘

2（网络成瘾：高、低）×2（项目竞争强度：高、低）×2（项目类型：Rp-、Nrp-）三因素重复测量方差分析结果显示（见表2）：项目类型主效应显著，F(1, 64)=7.67，p=0.007，=0.11，Nrp-的正确回忆率高于Rp-（69.40% vs.62.76%）；网络成瘾、项目竞争强度和项目类型的三阶交互作用显著，F(1, 64)=4.31，p=0.042，=0.07。简单简单效应分析结果发现，在高项目竞争强度下，低网络成瘾组Rp-的正确回忆率显著低于Nrp-，F(1,62)=4.66，p=0.035，=0.07；高网络成瘾组Rp-和Nrp-的正确回忆率差异不显著，F(1, 62)=0.01，p=0.905。在低项目竞争强度下，高网络成瘾组Rp-的正确回忆率显著低于Nrp-，F(1, 62)=7.25，p=0.009，=0.11；低网络成瘾组Rp-和Nrp-的正确回忆率差异不显著，F(1, 62)=0.57，p=0.454。其他效应均不显著（ps＞0.05）。

与提取练习效应一样，采用配对样本t检验分别对不同网络成瘾被试在高、低项目竞争强度下的RIF作进一步的事前比较，结果与简单简单效应分析的结果一致（见图2）：对于高网络成瘾组，Rp-和Nrp-在高项目竞争强度下的正确回忆率差异不显著，t(31)=-0.11，p=0.915；Rp-和Nrp-在低项目竞争强度下的正确回忆率差异显著，t(31)=-2.42，p=0.022，d=-0.87，Rp-的正确回忆率低于Nrp-。对于低网络成瘾组，Rp-和Nrp-在高项目竞争强度下的正确回忆率差异显著，t(31)=-2.46，p=0.020，d=-0.88，Rp-的正确回忆率低于Nrp-；Rp-和Nrp-在低项目竞争强度下的正确回忆率差异不显著，t(31)=-0.87，p=0.394。

4 讨论

4.1 CCB对RIF产生机制的影响

本研究发现，低网络成瘾组在高项目竞争强度下产生了显著的RIF，但该遗忘效应在低项目竞争强度下消失了。该结果与抑制理论观点相一致。抑制理论认为RIF具有干扰依赖性。干扰依赖性是指RIF效应量的大小取决于提取练习过程中Rp-产生的干扰强度，即项目竞争强度愈大的Rp-产生的干扰作用愈强，它受到抑制的可能性就愈大，进而产生的RIF就愈大（Anderson et al., 1994）。

更重要的是，高网络成瘾组在低项目竞争强度下也产生了显著的RIF。据抑制理论观点可知，低抑制控制能力的高网络成瘾组不能产生RIF（Anderson, 2003）。因此，推测高网络成瘾组的RIF遭遇了CCB。从实际结果来看，网络成瘾和项目类型的交互作用不显著，且Nrp-的正确回忆率显著高于Rp-。这说明高、低网络成瘾组皆产生了显著的RIF。从CCB的观点来看，高抑制能力者将代价和效益效应最大化，从而产生抑制性RIF；低抑制能力者将二者最小化，进而产生干扰性RIF（Anderson & Levy, 2007）。因此，高网络成瘾组的RIF确实受到了CCB影响。

4.2 RIF与记忆抑制

低网络成瘾组在高项目竞争强度下产生显著的RIF，在低项目竞争强度下没有产生RIF；高网络成瘾组相反，其在低项目竞争强度下产生显著的RIF，高项目竞争强度下则无。该结果符合项目竞争强度操作可以直接检验CCB的观点。然而，刘旭、岳鹏飞和白学军（2019）认为抑制控制能力严重受损者在高、低项目竞争强度下都将产生干扰性RIF。但本研究发现高网络成瘾组在高项目竞争强度下未产生显著的RIF。这可能是由于该组的记忆抑制能力虽受到很大程度的损伤（这种程度的损伤足以使其深受CCB影响），但仍具备一定的抑制控制能力。这种能力使其恰巧可以抑制提取练习过程中高强度Rp-的干扰，以及最后测试中获得增强的低强度Rp+的干扰，但不足以抑制低项目竞争强度下最后测试中Rp+的干扰。

这种解释与以往文献的观点相一致。例如，Ortega等（2012）指出，个体的抑制控制能力不是一个“全或无”的概念，它有程度之分。刘旭、岳鹏飞和白学军（2019）指出，当最后测试采用类别-词干线索测试时，低项目竞争强度下Rp+在最后测试中对Rp-的干扰作用强于高项目竞争强度下高强度Rp-在提取练习过程中对Rp+的干扰，也强于已获得增强的低强度Rp+在最后测试中对Rp-的干扰。因此，通过操作项目竞争强度可以区分不同来源的RIF，支持了白学军和刘旭（2013）的观点。同时，本研究表明高网络成瘾组记忆抑制能力受到了较为严重的损伤。也正因如此，当减少或停止网络使用时，网络成瘾者无法抑制再度使用网络的强烈愿望，并表现出戒断反应这一成瘾特征。

基于抑制控制能力是一个程度概念的观点，低网络成瘾组的抑制控制能力也可能受到一定程度的损伤，他们在高项目竞争强度下产生的RIF仍有可能包含干扰作用（Ortega et al., 2012; Schlichting et al., 2015）。如果获得增强的Rp+确实对Rp-产生了干扰，那么低网络成瘾组在高项目竞争强度下受到的干扰作用的强度应和高网络成瘾组一样。实际结果发现，高网络成瘾组在高项目竞争强度下仅产生了效应量为0.52的RIF，且依据上文可知此为抑制机制发挥作用的结果。由于低网络成瘾组的抑制能力强于高网络成瘾组，前者产生的干扰性RIF的效应量应小于后者。因此，低网络成瘾个体在高项目竞争强度下未产生干扰性RIF，其记忆抑制能力较为完整。

研究结果在一定程度上支持了以往有关网络成瘾者抑制控制加工受损的观点。例如，认知神经研究发现，网络游戏成瘾大学生的N2和P3波幅显著异于对照组，抑制无关信息的能力受到损害（张志莹 等, 2018）；额叶-纹状体网络过度激活，反应抑制能力降低（Ko et al., 2014）；网络成瘾大学生前扣带回过度激活，错误监控能力下降（Dong et al., 2013）。此外，本研究也为网络游戏经验对玩家抗分心物干扰能力的影响受游戏卷入程度调节提供了佐证。该行为研究发现，网络游戏成瘾组的抗分心物干扰能力受损，但有游戏经验而未成瘾组的能力不受影响（缪素媚 等,2018）。更重要的是，本研究进一步拓展了前人研究的结果。以往研究侧重于以主观表型指标（临床观察和自我报告）和反应抑制等为标准来诊断IA。本研究则从内表型指标角度直接考察了网络成瘾大学生对竞争性或闯入性记忆的抑制控制，且发现IA确实会损害个体的记忆抑制能力。这表示记忆抑制缺陷可能是IA的重要临床症状之一。这不仅为理解IA的形成机制提供了崭新视角，同时，联合内在与外在抑制控制能对网络成瘾者的认知剖面作出更精细的描述，进而为IA的诊断、分类以及设计更有针对性的干预方案提供了客观依据。

5 结论

（1）从个体差异角度来探讨CCB问题对RIF的影响时，可以通过操纵项目竞争强度直接区分RIF的具体产生机制。（2）网络成瘾大学生的记忆抑制能力受损较为严重。